图生视频：从一张定稿画面推出可用的镜头

推不动的图，先别推

三类图推不动：边缘糊、光向说不清、画面里两个以上主体抢视线。糊图推出来会连轮廓一起晃，越推越脏。光向不明的，模型只能自己编光源，编出来的方向和前后镜头对不上。两个主体抢画面的，运动描述必须选一个，选错这段就废。开推前拿这三条过一遍，能挡掉一半无效生成。这张图是文镜画师出图那一步的产物。出图时就该把这三条一起看，比推到一半回头重出省事。三条里最难补救的是光向，因为它不在主体身上，重画一遍也不一定对。

运动描述只写三件事

谁在动、往哪动、多快。就这三件。写「氛围紧张」这类词，模型收不到。写「手向左上抬起，速度中等」，它才知道往哪推。多写反而乱：一条描述里塞三种运动，出来的是三个动作各做一半。要两个动作，就生成两条再接。接的时候把第二段的起点定在第一段的落点上，拼接处才不会跳。摹映空间把这三项拆成独立字段。填的时候按字段来，别在同一个框里写一整段。

长度按动作定，不按工具上限定

工具能给 10 秒，不代表这个镜头该有 10 秒。抬手 2 到 3 秒。转身 4 到 5 秒。完整的使用流程 8 到 10 秒。超过动作需要的长度，后半段一定空转。不足就会被剪断，观众看到的是半截动作。判断方法很直接：数这段画面里有几个阶段。一个阶段大约 3 秒，总数就是合适的长度。拿一段 10 秒的成片试，砍到 6 秒往往更抓人，砍掉的多半是空转的那几秒。

一条不能越的边界

图生视频救不了一张本身有问题的图，也救不了一个没想清楚的镜头。它只做一件事：把定下来的画面，按时长和运动方向推成可剪的素材。构图不对、光向不对、主体不完整，都得在出图那一步解决。推到视频阶段再改，成本翻好几倍。这也是它和文生视频的分工：一个从零开始，一个从结论开始。分工选错，两头都慢：该定稿的时候在瞎推，该推的时候还在改图。